Exploring faculty development initiatives in medical education in resource-limited settings: perspectives and challenges
Notice bibliographique
Résumé
BACKGROUND: Faculty Development Programs (FDPs) are integral to institutional priorities to support staff members in leveraging the skills necessary to deliver quality education and enhance the overall learning experience. Little is known about their impact in resource-limited settings. Therefore, the objective of this study was to evaluate the perceptions of medical and health faculty members in Sudan toward FDPs by exploring their views on their performance, the learning environment, and the challenges hindering program implementation. METHOD: A descriptive, cross-sectional survey consisting of twenty-six items was used to collect data from faculty members to assess their perceptions of the FDPs. RESULT: There was a 77% response rate (n = 103) to the survey from the targeted sample size of 134. Most of the staff members (90.3%, n = 93) perceive FDP activities as beneficial for enhancing their teaching abilities, while 70.9% (n = 73) see improvement in research practices, and 54.4% (n = 56) observe benefits to their clinical skills. Fewer respondents (46.6%, n = 48) reported improvements in their scientific publications. However, several challenges were identified, with time constraints perceived as a major obstacle to effective program implementation. CONCLUSION: In a resource-limited setting, evaluating the program's effectiveness plays a pivotal role in improving its activities. Providing additional resources, enhancing institutional support, and improving accessibility to activities can strengthen the program's success, ultimately benefiting both staff and students. These insights may offer valuable guidance for institutions facing similar constraints.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».